Apprentissage actif basé sur le mélange de caractéristiques pour la classification de texte multi-étiquettes

L'apprentissage actif (AL) vise à réduire les coûts de l'annotation en sélectionnant les échantillons les plus précieux à annoter à partir d'un ensemble de données non annotées. Cependant, reconnaître ces échantillons est particulièrement difficile dans les tâches de classification de texte multi-étiquettes en raison de la haute dimensionnalité mais de la rareté des espaces d'étiquettes. Les techniques AL existantes échouent soit à capturer suffisamment les corrélations d'étiquettes, entraînant un déséquilibre des étiquettes dans les échantillons sélectionnés, soit souffrent de coûts informatiques significatifs lors de l'analyse du potentiel informatif des échantillons non annotés à travers toutes les étiquettes. Face à ces défis, nous proposons une stratégie d'acquisition d'échantillons en deux étapes efficace pour l'apprentissage actif multi-étiquettes, appelée ALMuLa-mix. Pour économiser les coûts computationnels, ALMuLa-mix tente d'abord d'identifier des échantillons non annotés avec des caractéristiques nouvelles en utilisant une méthode de mélange de caractéristiques rapide associée aux corrélations d'étiquettes. Concernant le déséquilibre d'étiquettes, ALMuLa-mix exploite alors la classe minoritaire dans l'ensemble annoté pour sélectionner un petit lot d'échantillons candidats non annotés avec une plus grande diversité inter-classe parmi les candidats aux caractéristiques nouvelles. Les résultats expérimentaux sur des ensembles de données disponibles publiquement montrent qu'ALMuLa-mix est supérieur à d'autres lignes de base solides pour gérer les tâches de classification de texte multi-étiquettes.